Panorama – Investire nel 2021 Cogliere le opportunità offerte dall’IA

Intelligenza artificiale e settore degli investimenti

di Bryan Cross, Head of Quantitative Evidence and Data Science (QED)

Grazie alle sue capacità trasformative, a partire dal 2021 l’Intelligenza Artificiale (IA) potrebbe mettere diretta¬mente a disposizione di gestori di portafoglio e analisti idee di investimento fondamentali. Siamo pronti per l’IA?

Nel frastuono della mensa all’ora di pranzo, si sentiva nell’aria che erano in arrivo importanti scoperte. 1950: al Los Alamos National Laboratory – il luogo dove, in nome della Guerra Fredda, si erano riunite le menti più brillanti dell’Occidente – non era in corso la solita pausa pranzo.

Anche se a quell’ora era normale fare scoperte nell’ambito della fisica delle particelle o dell’energia da fusione, quel giorno il brusio non era dovuto al pollo alla Kiev.

Tre menti brillanti erano all’opera per dare risposta a una delle grandi domande esistenziali della vita: siamo soli nell’universo?

I partecipanti al Progetto Manhattan scarabocchiavano calcoli sui tovaglioli, discutendo e interrogandosi:

  • Quante stelle ci sono nell’universo?
  • Quante sono come il Sole per la Terra?
  • Quante hanno dei pianeti?
  • Quante hanno pianeti abbastanza vecchi da trasmettere informazioni fino alla Terra?

In quel momento frenetico cominciò a radunarsi una folla di persone, dato che in molti erano a conoscenza delle recenti segnalazioni di avvistamenti di UFO nelle vicinanze.

Infine, tra un calcolo e l’ultimo sorso di Coca-Cola, la matematica non lasciò spazio a dubbi – deve esserci vita extraterrestre intelligente nell’universo – una conclusione ovvia data la vastità dell’universo.

BAM! La mano di un fisico italo-americano dell’Università di Chicago colpì a quel punto il tavolo. L’”architetto dell’era nucleare” era turbato, la conclusione non aveva senso per Enrico Fermi che obiettò: “Ma allora dove sono tutti?

La contraddizione tra la certezza matematica e la totale assenza di prove è diventata nota come il Paradosso di Fermi: se la vita extraterrestre intelligente è una conclusione tanto ovvia, allora dov’è?

Figura 1: Quota di posti di lavoro nel settore finanziario orientati a computer/matematica

Il sogno di un investitore – un Buffett computerizzato in ogni team

Proprio come quegli scienziati che guardavano alle stelle in cerca di indizi di vita intelligente, il mondo degli investimenti ha guardato per decenni ai computer e ai metodi quantitativi in cerca di indizi di un’Intelligenza Artificiale che contribuisse a migliorare il processo decisionale. Ma dopo decenni, la finanza si trova di fronte a un paradosso analogo a quello di Fermi.

Gli investitori sognano in maniera ricorrente di avere a disposizione una versione di Warren Buffett guidata dall’intelligenza artificiale in ogni team di investimento, una versione dotata di tutte le qualità positive ma priva di tutti i pregiudizi negativi e gli errori comportamentali che sono “preinstallati” in ogni essere umano.

L’entusiasmo per la costruzione di un sistema informatico tanto rivoluzionario per la selezione degli investimenti ha portato a investire miliardi di dollari in appositi sistemi e nell’assunzione di titolari di dottorati di ricerca di grande intelligenza.

Nel mondo della finanza, la quota di posti di lavoro basati sulla matematica o l’utilizzo del computer è quasi quadruplicata dalla Grande crisi finanziaria.

Ma la maggior parte degli asset gestiti in maniera attiva è ancora di natura non quantitativa

A dispetto di tutti gli investimenti, dei decenni di documenti accademici, dei sistemi informatici e dei risultati degli investimenti quantitativi, la stragrande maggioranza degli asset gestiti in maniera attiva è ancora di natura non quantitativa.

I tradizionali gestori attivi sostengono che le tecniche quantitative non sono abbastanza orientate sul lungo termine e mettono in dubbio che un portafoglio diversificato possa davvero sapere qualcosa sul “rischio” di una società.

I professionisti delle tecniche quantitative risponderebbero a queste obiezioni con un’analisi di backtesting di lungo periodo o con i ragionamenti che ne derivano, tecniche statistiche forse errate, affermando: “Non è ovvio che le tecniche quantitative sono superiori agli investimenti basati su osservazioni ed euristica?”

Le due scuole di pensiero sono apparentemente opposte e negli ultimi sette decenni non sono quasi mai riuscite a trovare un punto di incontro.

Anche se alcune tecniche quantitative fanno ormai parte della gestione del rischio o dell’attività di screening delle azioni, oggi gli esseri umani non sono ancora affiancati da un analista dell’IA che li aiuti a prendere decisioni di investimento migliori. Perché no?

Se la ricerca sugli investimenti condotta da esseri umani fosse potenziata dall’apporto di un ricercatore junior specializzato in IA, si potrebbe sfruttare il meglio dei due mondi.

Un team di questo tipo combinerebbe il pensiero complesso e orientato al lungo termine di un essere umano con il processo decisionale evidence-based, quantitativo e imparziale dell’IA.

Figura 2: Conteggio medio semestrale degli articoli sulla "Finanza quantitativa"

Far affiancare gli esseri umani dall’IA per effettuare ricerche sugli investimenti sembra un obiettivo tanto ovvio da indurre a investire ingenti risorse in questo progetto: ma dove sono gli analisti degli investimenti dell’IA? Per risolvere questo paradosso, dobbiamo ripensare al modo in cui la finanza si avvicina all’uso dell’IA.

Finora l’obiettivo di integrare l’IA non è stato raggiunto perché è l’obiettivo stesso a essere sbagliato

In una scena cult del film Jurassic Park, ormai un meme, il matematico Ian Malcolm riflette ad alta voce sul fatto che gli scienziati “erano così preoccupati di poterlo fare che non hanno pensato se lo dovevano fare”.

Questo è emblematico dello stato della ricerca sull’IA e, in particolare, della sua applicazione alla finanza quantitativa. Tutti hanno tanta smania di dimostrare di essere “all’avanguardia” da non riflettere sul modo di applicare correttamente l’IA.

Le tendenze di ricerca illustrate nella Figura precedente dimostrano quanto sia diffusa l’abitudine di fare qualcosa di “fantasioso” piuttosto che costruire qualcosa di rivoluzionario nel modo giusto.

Nella finanza quantitativa, questa tendenza si è manifestata nell’uso eccessivo (e potenzialmente improprio) di dati alternativi insieme al machine learning.

Piuttosto che pensare alle soluzioni a lungo termine del problema, c’è una smania di superarsi reciprocamente nell’uso di dati di nicchia per adottare soluzioni specifiche per l’utilizzo cui sono destinate.

Di conseguenza, l’alpha stesso è momentaneo e le applicazioni non possono essere adottate in maniera generalizzata a un’ampia gamma di problemi di investimento. Inoltre, il settore è pieno di storie di buone intenzioni che non vengono adottate nel tradizionale flusso di lavoro degli investimenti.

Allineare l’IA al modo di pensare degli investitori è la chiave del progresso

Se ci si ferma a riflettere su cosa rende grande un investitore, in genere non è un processo specifico per un’attività di nicchia che differenzia gli investitori che passano alla storia da coloro che beneficiano semplicemente di un colpo di fortuna.

Data la complessità e la costante evoluzione a cui sono soggetti i mercati e i contesti in cui operano, i migliori investitori sono per natura generalisti. Adottano modelli mentali e sono in grado di applicarli a ripetizione.

Gli investitori non si limitano ad apprendere i fatti, ma studiano modelli e sistemi che possano essere inseriti tra gli strumenti a loro disposizione per utilizzarli quando necessario.

La complessità computazionale è bassa e l’obiettivo è assegnare un handicap a tutti i possibili risultati – per scontare il mercato implicito, non per fare previsioni. Riflettono sugli investimenti che offrono payout asimmetrici da un punto di vista probabilistico mediante calcoli rapidi e semplicistici.

Per costruire un’IA che possa essere adottata con successo nel mondo degli investimenti, è necessario progettare la macchina in modo che sia allineata ai compiti cognitivi dei grandi investitori.

Quantitative Evidence and Data Science (QED) sta lavorando al miglioramento dell’approccio all’IA

All’interno di UBS-AM, il team denominato QED ha adottato un approccio in cui il principio guida è l’attenzione ai flussi di lavoro degli investitori: l’obiettivo è capire quali sono le attività degli investitori per aiutarli a costruire il mosaico degli investimenti semplificando il processo decisionale.

Nei prossimi anni, il team QED dedicherà sempre più tempo alla generalizzazione di questi flussi di lavoro e alla loro combinazione con l’euristica (tecniche di problem solving per utilizzare in generale metodi basati sul principio di prova ed errore, oltre che metodi autodidattici) per trarre conclusioni in materia di investimenti.

L’obiettivo è creare una forma di Intelligenza Artificiale Generale (AGI) che possa utilizzare il ragionamento per identificare e applicare modelli mentali nascosti a problemi nuovi e poi, in ultima analisi, arrivare a una raccomandazione di investimento.

Dopo essersi dedicato all’allineamento delle macchine ai flussi di lavoro reali degli investitori, il prossimo anno il team QED si concentrerà sulla generalizzazione di questi flussi di lavoro in modo che alla fine la macchina sia in grado di fornire raccomandazioni di investimento reali.

Anche se quest’obiettivo potrebbe sembrare troppo ambizioso, il processo per raggiungerlo è il modo migliore per far entrare la scienza nel processo di investimento fondamentale.

In questo percorso verso la costruzione di un’AGI, si incontrano inevitabilmente problemi le cui soluzioni potranno poi essere applicate direttamente nei flussi di lavoro degli investimenti.

I mercati restano un’opera dell’uomo

Questo significa che il team QED sta cercando di eliminare la componente umana nella fase di analisi finanziaria?

Assolutamente no. Ne “Il cacciatore di androidi” di Philip K Dick, da cui è stato tratto il celebre film Blade Runner, gli esseri umani applicano il test Voight-Kampff ai potenziali replicanti (IA) per stabilire se siano umani o meno.

Il test prevede che al soggetto siano presentate immagini inquietanti e che si osservi la reazione: se il soggetto mostra empatia è umano, viceversa è un’IA.

L’empatia è l’arma segreta degli analisti umani e poiché gli obiettivi umani – come il risparmio per la pensione, l’investimento climaticamente responsabile – sono la ragion d’essere di ogni investimento, avremo sempre bisogno che gli esseri umani siano coinvolti nel ciclo.

Anche se l’obiettivo del team QED resta lo sviluppo di un’AGI, il team dà per scontata la presenza di esseri umani empatici nel processo della macchina e nel ciclo, nell’ottica di una collaborazione che porti a ottenere i migliori risultati per i clienti.

Alla ricerca dell’intelligenza artificiale – Il team di analisti del futuro è composto da uomo e AGI

I vantaggi di una collaborazione fra l’uomo e l’IA finalizzata al conseguimento di risultati per i clienti sono chiari e dovrebbero motivarci a perseguire questa opportunità.

L’impegno mirato a raggiungere un’efficace integrazione dell’IA nel processo di investimento non deve portare a risultati inconcludenti come quelli del paradosso di Fermi. La finanza deve allineare la progettazione dell’IA al modo di pensare degli investitori e integrarla all’interno di una collaborazione empatica con l’uomo, per non rischiare che tutto ciò si riduca a un capriccio operante a livello periferico e per non lasciarci con un’idea fissa in testa: se era così ovvio, dove sono tutti gli analisti dell’IA?


Potrebbe interessarti anche

Quali opportunità di investimento scegliere?